// Souveräne KI — on-premise

Souveräne KI on-premise

Sovereign AI on-premise

„On-premise“ ist gerade ein Verkaufswort. Ich verkaufe es nicht — ich betreibe es. In meinem Keller in Ostfriesland steht ein Server, auf dem Sprachmodelle, Embeddings und Bildgenerierung laufen, ohne dass ein Byte das Haus verlässt. Diese Seite sagt, wann sich das für euch lohnt — und ehrlich, wann nicht.

Wann on-premise sinnvoll ist

  • Die Daten dürfen nicht raus. Verträge mit Automotive-, Marine- oder Defence-Kunden, die Cloud ausschließen. Rohlogs, Konstruktionsdaten, Prüfprotokolle. Wenn „schick es an einen US-Anbieter“ keine Option ist, lautet die Frage nicht ob lokal, sondern wie.
  • Kontinuierliche Grundlast. Wer dauerhaft inferiert, zahlt in der Cloud jeden Token. Eigene Hardware ist nach der Anschaffung fast nur noch Strom.
  • Latenz und Offline. Produktionsnah, ohne Internet-Abhängigkeit, ohne „Ihr Guthaben ist aufgebraucht“.

Wann nicht — die Grenzen

Das ist das eigentliche Verkaufsargument, weil es kaum jemand ausspricht:

  • Nur gelegentliche Nutzung? Dann ist eine API billiger als jeder Server. Ein Kasten, der zu 95 % Leerlauf hat, rechnet sich nicht.
  • Ihr braucht immer das absolut stärkste Frontier-Modell? Das läuft lokal nicht. Dann ist der richtige Weg ein Frontier-Anbieter (z. B. Anthropic Claude) — wenn nötig mit EU-Region und Auftragsverarbeitungsvertrag.
  • Stark schwankende Last (mal nichts, mal Riesenpeak)? Cloud skaliert das besser als gekaufte Hardware, die die meiste Zeit döst.
  • Niemand kann den Betrieb übernehmen? Ohne jemanden, der Treiber, Updates und Überwachung macht, wird on-prem zur Dauerbaustelle. Genau da komme ich rein.

On-premise ist kein Glaubensbekenntnis. Oft ist die richtige Antwort ein Hybrid: das lokale Modell für die sensiblen Rohdaten, ein Frontier-Modell für das schwere Reasoning — genau die Architektur, die bei CARIAD produktiv läuft.

Was es real kostet — am Beispiel Zuse

Kein Prospekt, mein eigener Server: eine gebrauchte HP Z840 plus drei RTX 3090 in einem externen Rig — zusammen 72 GB GPU-Speicher mit voller Bandbreite. Zwei Karten fahren das Sprachmodell (Qwen3.6-27B, 256K Kontext, ~65 Token/s), die dritte die Bildgenerierung. Mehr dazu im HandsOn zu Zuse.

Anschaffung, Gebrauchtmarkt — die echten Zahlen von Zuse:

Postengrob
3× RTX 3090 (gebraucht, à ~900 €)~2.700 €
HP Z840 Workstation (gebraucht, mit 128 GB RAM)~680 €
Externes Rig, Riser-Kabel, zweite GPU-PSU~330 €
Summe für 72 GB VRAM @ 936 GB/s~3.710 €

Kleiner anfangen geht: gebrauchte Workstation plus eine 3090 und NVMe liegt bei ~1.900–2.100 € — genug für Modelle bis ~14B komfortabel, das 27B mit gekürztem Kontext. Einordnung 2026: Durch die aktuelle Speicherkrise sind RAM, SSD und GPUs teuer; eine gebrauchte 3090 liegt inzwischen bei ~1.000–1.200 €.

Strom (Annahme 0,30 €/kWh): Eine 3090 zieht bis ~350 W, per Power-Cap gedeckelt auf ~250 W. Leerlauf rund um die Uhr ~190 W, drei Karten unter Voll-Last (gedeckelt) ~900 W. Real, je nach Auslastung, grob 500–1.100 € im Jahr (ca. 40–95 € im Monat).

Betrieb ist der Posten, den Prospekte verschweigen: Treiber, Modell-Updates, Überwachung, die Lektionen, die wehtun (Modelle gehören auf SSD, Whisper halluziniert auf Stille). Das kostet keine Euro, sondern Zeit — und ist der Grund, warum die meisten den Betrieb abgeben.

Break-even: Für eine dauerhafte Grundlast unterbietet ein solcher Server jede vergleichbare Dauer-Miete in der Cloud deutlich. Für ein paar Anfragen pro Woche niemals. Zwischen diesen beiden Polen verläuft die Entscheidung — und die rechne ich mit euch konkret durch, nicht mit einer Faustregel aus dem Prospekt.

Modellauswahl

Was lokal läuft, hängt an der Hardware. Auf zwei RTX 3090 (48 GB VRAM) läuft ein 27B-Modell in int4 mit langem Kontext flüssig (~65 tok/s) — genug für RAG, Extraktion, Agenten-Schritte und Klassifikation. Für das schwerste Reasoning greift man zum Frontier-Modell. Die eigentliche Arbeit ist die Aufteilung: was muss lokal bleiben, was darf — anonymisiert — nach draußen.

DSGVO & Exportkontrolle

  • DSGVO: Bleiben die Daten auf eurer Hardware, gibt es keine Drittland-Übermittlung, keinen komplizierten Auftragsverarbeitungsvertrag mit einem US-Hyperscaler, kein Schrems-II-Problem. Für viele ist das der kürzeste Weg zur Rechtssicherheit.
  • Exportkontrolle / Dual-Use: Für Zulieferer im Defence- und Marine-Umfeld sind Konstruktions- und Prüfdaten häufig exportkontrollrelevant und dürfen nicht ungefragt durch fremde Rechenzentren fließen. Lokale Verarbeitung hält sie im kontrollierten Bereich. Die konkrete Einordnung im Einzelfall gehört zu eurer Compliance — ich sorge dafür, dass die Technik ihr nicht im Weg steht.

Kontakt

Wenn ihr überlegt, ob sich ein eigener KI-Server lohnt: Schreibt mir eure Rahmenbedingungen, dann rechnen wir es durch.

E-Mail: markus.kremer@void-main.com
Mobil: +49 177 889 8179
Festnetz: +49 4941 9914271

Zurück zu KI-Beratung im Nordwesten · weiter zu KI-Implementierung und KI-Strategie